10个常用的python可视化工具

1、matplotlib

matplotlib 是Python可视化程序库的泰斗。经过十几年它任然是Python使用者最常用的画图库。它的设计和在1980年代被设计的商业化程序语言MATLAB非常接近。

由于 matplotlib 是第一个 Python 可视化程序库，有许多别的程序库都是建立在它的基础上或者直接调用它。

比如pandas和Seaborn就是matplotlib的外包，它们让你能用更少的代码去调用 matplotlib的方法。

虽然用 matplotlib 可以很方便的得到数据的大致信息，但是如果要更快捷简单地制作可供发表的图表就不那么容易了。

就像Chris Moffitt 在“Python可视化工具简介”中提到的一样：“功能非常强大，也非常复杂。”

matplotlib 那有着强烈九十年代气息的默认作图风格也是被吐槽多年。即将发行的matplotlib 2.0 号称会包含许多更时尚的风格。

2、Seaborn

Seaborn利用了matplotlib，用简洁的代码来制作好看的图表。

Seaborn跟matplotlib最大的区别就是它的默认绘图风格和色彩搭配都具有现代美感。

由于Seaborn是构建在matplotlib的基础上的，你需要了解matplotlib从而来调整Seaborn的默认参数。

3、ggplot

ggplot 基于R的一个作图包 ggplot2, 同时利用了源于《图像语法》(The Grammar of Graphics)中的概念。

ggplot 跟 matplotlib 的不同之处是它允许你叠加不同的图层来完成一幅图。比如你可以从轴开始，然后加上点，加上线，趋势线等等。

虽然《图像语法》得到了“接近思维过程”的作图方法的好评，但是习惯了matplotlib的用户可能需要一些时间来适应这个新思维方式。

ggplot的作者提到 ggplot 并不适用于制作非常个性化的图像。它为了操作的简洁而牺牲了图像复杂度。

ggplot跟pandas的整合度非常高，所以当你使用它的时候，最好将你的数据读成 DataFrame。

4、Bokeh

跟ggplot一样， Bokeh 也是基于《图形语法》的概念。

但是跟ggplot不一样的是，它完全基于Python而不是从R引用过来的。

它的长处在于它能用于制作可交互，可直接用于网络的图表。图表可以输出为JSON对象，HTML文档或者可交互的网络应用。

Boken也支持数据流和实时数据。Bokeh为不同的用户提供了三种控制水平。

最高的控制水平用于快速制图，主要用于制作常用图像，例如柱状图，盒状图，直方图。

中等控制水平跟matplotlib一样允许你控制图像的基本元素(例如分布图中的点)。

最低的控制水平主要面向开发人员和软件工程师。

它没有默认值，你得定义图表的每一个元素。

5、pygal

pygal 跟 Bokeh 和 Plotly 一样，提供可直接嵌入网络浏览器的可交互图像。

跟其他两者的主要区别在于它可以将图表输出为SVG格式。

如果你的数据量相对小，SVG就够用了。但是如果你有成百上千的数据点，SVG的渲染过程会变得很慢。

由于所有的图表都被封装成了方法，而且默认的风格也很漂亮，用几行代码就可以很容易地制作出漂亮的图表。

6、Plotly

你也许听说过在线制图工具Plotly，但是你知道你可以通过Python使用它么?

Plotly 跟 Bokeh 一样致力于交互图表的制作，但是它提供在别的库中很难找到的几种图表类型，比如等值线图，树形图和三维图表。

7、geoplotlib

geoplotlib 是一个用于制作地图和地理相关数据的工具箱。

你可以用它来制作多种地图，比如等值区域图，热度图，点密度图。

你必须安装 Pyglet (一个面向对象编程接口)来使用geoplotlib。不过因为大部分Python的可视化工具不提供地图，有一个专职画地图的工具也是挺方便的。

8、Gleam

Gleam 借用了R中 Shiny 的灵感。它允许你只利用 Python 程序将你的分析变成可交互的网络应用，你不需要会用HTML CSS 或者 JaveScript。

Gleam 可以使用任何一种 Python 的可视化库。

当你创建一个图表的时候，你可以在上面加上一个域，这样用户可以用它来对数据排序和过滤了。

9、missingno

缺失数据是永远的痛。

missingno 用图像的方式让你能够快速评估数据缺失的情况，而不是在数据表里面步履维艰。

你可以根据数据的完整度对数据进行排序或过滤，或者根据热度图或树状图来考虑对数据进行修正。

10、Leather

Leather的最佳定义来自它的作者 Christopher Groskopf。

“Leather 适用于现在就需要一个图表并且对图表是不是完美并不在乎的人。”

它可以用于所以的数据类型然后生成SVG图像，这样在你调整图像大小的时候就不会损失图像质量。

了解更多分析及数据抓取可查看：
http://cloud.yisurvey.com:9081/html/d8acf20b-342f-4806-8dcc-5e6a8d00881d.html?ly=csdn
本文转载自互联网、仅供学习交流，内容版权归原作者所有，如涉作品、版权和其他问题请联系我们删除处理。
特别说明：本文旨在技术交流，请勿将涉及的技术用于非法用途，否则一切后果自负。如果您觉得我们侵犯了您的合法权益，请联系我们予以处理。

10个常用的python可视化工具相关推荐

10个常用的Python图像处理工具，非常全了
图像处理中的常见任务包括显示图像.基本操作(如裁剪.翻转.旋转等).图像分割.分类和特征提取.图像恢复和图像识别.由于Python语言具有很多先进的图像处理工具,而且越来越普及.所以Python成为图 ...
10个常用的Python图像处理工具，建议收藏！
图像处理中的常见任务包括显示图像.基本操作(如裁剪.翻转.旋转等).图像分割.分类和特征提取.图像恢复和图像识别.由于Python语言具有很多先进的图像处理工具,而且越来越普及.所以Python成为图 ...
探索性数据分析，这8个流行的 Python可视化工具就够了
来源 / 机器之心作者 / Aaron Frederick 参与 / 李诗萌.王淑婷 Matplotlib.Seaborn 和 Pandas ggplot(2) Bokeh Plotly Pyga ...
常用的数据可视化工具及图形
常用的数据可视化工具一.美颜工具类这类数据可视化工具的特点是:网页轻服务,轻巧易上手,高度风格化. 工具特点网址 Inforgram 应用场景精准,图表动画功能是亮点 https://info ...
qpython3绘图_比Excel制图更强大，Python可视化工具Altair入门教程
比 Excel 制图更强大,Python 可视化工具 Altair 入门教程数据转化成更直观的图片,对于理解数据背后的真相很有帮助.如果你有这方面的需求,而且还在使用 Python,那么强烈推荐你试 ...
手把手教你用Python+可视化工具制作漂亮地图
这次呢,我想讲讲地图可视化的内容,以前我也写过用Python的内置库绘制地图,但总感觉不够美观.如何才能在短时间内制作漂亮的可视化地图呢,我觉得Python+可视化工具是不错的选择. 以下动态可视化地 ...
用Python+可视化工具制作漂亮地图
大家好,我是辰哥~ 这次呢,我想讲讲地图可视化的内容,以前我也写过用Python的内置库绘制地图,但总感觉不够美观.如何才能在短时间内制作漂亮的可视化地图呢,我觉得Python+可视化工具是不错的选择 ...
python可视化工具bokeh_浅谈python可视化包Bokeh
本文研究的主要是python可视化包Bokeh的相关内容,具体如下. 问题:需要把pandas的数据绘图并通过网页显示,matplotlib需要先保存图像,不合适. 解决:在网上搜了一下,找到一篇介绍 ...
python广州地图_手把手教你用Python+可视化工具制作漂亮地图
作者:J哥这次呢,我想讲讲地图可视化的内容,以前我也写过用Python的内置库绘制地图,但总感觉不够美观.如何才能在短时间内制作漂亮的可视化地图呢,我觉得Python+可视化工具是不错的选择. 以下 ...
动态规划python_手把手教你用Python+可视化工具制作漂亮地图
公众号后台回复"图书",了解更多号主新书内容作者:J哥来源:菜J学Python 这次呢,我想讲讲地图可视化的内容,以前我也写过用Python的内置库绘制地图,但总感觉不够美观. ...

10个常用的python可视化工具

10个常用的python可视化工具相关推荐

最新文章

热门文章